Classificação de imagens de satélite e índices espectrais de vegetação: uma análise comparativa

Autores

DOI:

https://doi.org/10.5007/2177-5230.2020v35n76p171

Palavras-chave:

Sensoriamento remoto, Índices de vegetação, Classificação de imagens, Correlação entre imagens

Resumo

Estudos relativos à dinâmica territorial sempre ocuparam papéis de destaque no âmbito da Geografia. As alterações espaciais experimentadas em determinadas regiões estão diretamente ligadas aos cenários físicos, políticos, econômicos, culturais e ambientais desses espaços em um dado momento. Diversas ferramentas têm sido utilizadas para analisar o cenário de um determinado ambiente.  O presente estudo procurou comparar, a partir de imagens de satélite, a existência de correlação entre diferentes índices de vegetação (IVs) e uma imagem classificada do município de Mundo Novo, no Estado do Mato Grosso do Sul.  Para tal, foram utilizados o software livre QGIS e a planilha Excel da Microsoft. Como resultado, verificou-se haver alta correlação entre os distintos IVs e a imagem classificada.

Biografia do Autor

Paulo Roberto Fitz, Universidade Federal da Grande Dourados – UFGD

Professor Visitante no PPGG da UFGD.

Referências

CORREA, Sonia Maria B. B. Probabilidade e Estatística. 2 ed. Belo Horizonte: PUC Minas Virtual, 2003. Disponível em: http://www.inf.ufsc.br/~vera.carmo/LIVROS/ LIVROS/livro_probabilidade_estatistica_2a _ed.pdf. Acesso em: 22/06/2019.

CRÓSTA, A. Processamento Digital de Imagens de Sensoriamento Remoto. Campinas: Unicamp, 1993.

EASTMAN, J. Ronald. IDRISI for Windows: Introdução e exercícios tutoriais. Porto Alegre, RS: Centro de Recursos Idrisi Brasil – UFRGS, 1998.

Excel. Windows Versão 7: Microsoft Corporation, 2009.

FITZ, Paulo R. Geoprocessamento sem complicação. São Paulo: Oficina de Textos, 2008.

FITZ, Paulo R. VIEIRA, Jeferson C. SOARES, Mirlla C. O uso de polígonos de amostragem em classificações supervisionadas de imagens de satélite. Entre-Lugar. V. 10; N.19. Dourados, 2019. P. 319-342. Disponível em: http://ojs.ufgd.edu.br/index.php/entre-lugar/article/view/9595. Acesso em 10/08/2019.

HEUTE, A. R et. Al. A Comparison of Vegetation Indices over a Global Set of TM Images for EOS-MODIS. Remote sensing environ. V. 59, p. 440-451. New York: Elsevier Science Inc., 1997. Disponível em: https://www.academia.edu/15285630/A comparison_of_vegetation_indices_over_a_global_set_of TM_images_for EOS-MODIS. Acesso em: 11/05/2019.

IBGE. Censo Demográfico, 2010. Disponível em www.ibge.gov.br. Acesso em 15/08/2018.

IBGE. Censo Agropecuário, 2006. Disponível em www.ibge.gov.br. Acesso em 15/08/2018.

IBGE. Censo Agropecuário, 2017. Disponível em www.ibge.gov.br. Acesso em INPE. Instituto Nacional de Pesquisas Espaciais. Imagens do satélite Landsat. Disponíveis em www.inpe.br. Acessos entre julho de 2018 e janeiro de 2019.

MATO GROSSO DO SUL. Semagro. Zoneamento Ecológico-Econômico do Estado do Mato Grosso do Sul - ZEE-MS. 2009. Disponível em: http://www.semagro.ms.gov.br/zoneamento-ecologico-economico-de-ms-zee-ms. Acesso em: 17/08/2018.

OLIVEIRA, Luís Gonçalves L. de et. al. Estudo da variabilidade de índices de vegetação através de imagens do ETM+/LANDSAT 7. Anais XIII Simpósio Brasileiro de Sensoriamento Remoto, Florianópolis, Brasil, 21-26 abril 2007, INPE, p. 5995-6002. Disponível em: http://marte.sid.inpe.br/col/dpi.inpe.br/sbsr@80/2007/01. 31.19.10/doc/@sumario.htm. Acesso em: 11/05/2019.

PORTELA, Nara Miranda. Modelo de mistura de gaussianas fuzzy contextual. Tese (Doutorado) – Universidade Federal de Pernambuco. UFPE: Recife, 2015. Disponível em: https://repositorio.ufpe.br/handle/123456789/16818. Acesso em: 22/06/2019.

QGIS/SAGA. versão 2.18 – Las Palmas de G.C, 2018.

RICHARDS, John A.; JIA, Xiuping. Remote Sensing Digital Image Analysis: An Introduction. 4 ed. Berlin: Springer-Verlag, 2006.

ROSS, Sheldon M. Introduction to Probability and statistics for engineers and scientists. 3 ed. San Diego: Elsevier, 2004.

SCHMIDT, H.; KARNIELI, A. Sensitivity of vegetation indices to substrate brightness in hyper-arid environment: the Makhtesh Ramon Crater (Israel ) case study. International Journal of Remote Sensing, 2001. vol. 22; no. 17, p. 3503–3520. Disponível em: http://www.tandf.co.uk/journals. Acesso em: 10/05/2019.

USGS. U.S. Geological Survey Imagens do Satélite Landsat. Disponíveis em https://www.usgs.gov/. Acesso entre julho de 2018 e janeiro de 2019.

XUE, Jinru; SU, Baofeng. Significant Remote Sensing Vegetation Indices: A Review of Developments and Applications. Journal of Sensors. Volume 2017, Article ID 1353691, 17 pages. Disponível em:https://doi.org/10.1155/2017/1353691. Acesso em: 10/05/2019.

Downloads

Publicado

2020-10-27

Edição

Seção

Artigos